Hvis vi altid lader maskinen klare den første grove produktdisponering, den strategiske pivotering eller analysen af kundernes feedback, mister vi over tid den dybe, taktile og intuitive fornemmelse for markedet, brugerne og det rå iværksætterhåndværk.

Når algoritmen overtager founderens mavefornemmelse

Når jeg taler med founders og investorer herhjemme, hører jeg ofte den samme melding: De nye AI-værktøjer er fantastiske til at skrive kode natten over, automatisere B2B-outreach-kampagner, generere SEO og GEO-indhold, strikke pitch decks sammen på ingen tid osv. Det sparer den enkelte iværksætter dyrebar tid og hæver bundniveauet for, hvor hurtigt man kan gå fra idé til marked.

Men der er et vigtigt og ofte overset paradoks i al begejstringen. Ny forskning fra blandt andet MIT og Harvard viser nemlig, at jo mere vi læner os op ad de digitale standardløsninger, jo mere ensartede og forudsigelige bliver vores idéer, produktfunktioner og go-to-market-strategier.

Den enkelte startup bliver måske mere effektiv på den korte bane, men vi risikerer samtidig at lamme branchens kollektive evne til at skabe de ægte, disruptive gennembrud, som skal bygge fremtidens unicorns her i Danmark.

En demokratisering, der skaber metervare-startups

Forskningen viser derudover, at når folk bruger kunstig intelligens til at løse opgaver, stiger den gennemsnitlige kvalitet af arbejdet. Især de, der normalt har svært ved en specifik disciplin, får et mærkbart løft. Det betyder i praksis, at en rent teknisk founder i dag lynhurtigt kan spytte en pæn markedsanalyse ud, og en kommerciel founder kan generere funktionel kode uden at kunne programmere.

Men medaljen har en alvorlig bagside. For mens den enkelte rykker hurtigere, sker der noget bekymrende på økosystem-niveau: Løsningerne mister deres diversitet. Forretningsmodellerne mister kant, og selskabernes reelle kant udvandes.

Årsagen er ret simpel: LLM-modellerne er fodret med historisk data og beregner blot, hvad det statistisk set mest sandsynlige og “sikre” svar er. Når hundredvis af SaaS-founders, fintech-iværksættere og business angels bruger de nøjagtigt samme AI-værktøjer til at validere markedsbehov eller strukturere deres vækstrejse, begynder løsningerne uundgåeligt at ligne hinanden.

Vi risikerer at optimere os direkte mod det ordinære. Vi ender med de samme prissætningsmodeller, de samme LinkedIn-growth-hacks og de samme mainstream-pitches som nabostartuppen i inkubatoren. Vi gør bare det, computeren har regnet ud er det mest “gennemsnitlige” for en dansk tech-virksomhed.

Den mentale pris og de fejltrin, der bygger unicorns

Dertil kommer den mentale pris, vi betaler som iværksættere. Når vi overtager computerens forslag, opstår der en form for kognitiv dovenhed.

Som tidligere iværksætter inden for kunstig intelligens er jeg bestemt ikke modstander af teknologien. AI er genial til at optimere det, vi allerede kender – som at skære procenter af serverudgifterne eller tune jeres konverteringsrater.

Men historiens største tech-gennembrud er aldrig opstået ud fra statistiske sandsynligheder. De er opstået ud fra det uventede, den irrationelle intuition og de geniale menneskelige fejltrin.

Tag en virksomhed som Slack der startede som et digitalt computerspil. Spillet blev en kommerciel fiasko, men iværksætterne bag havde som led i udviklingen bygget et internt chatværktøj til at kommunikere med hinanden. Det værktøj blev til Slack og siden solgt til Salesforce for svimlende 27 milliard dollars.

Hvis iværksættere som folkene bag Slack havde haft en algoritme til at fortælle dem den mest “fejlfrie” og gennemsnitlige løsning, havde de måske aldrig bygget noget skævt, der endte med at disrupte en hel branche. Computeren kan optimere jeres kode og jeres workflows i det uendelige, men den opfinder ikke en radikal ny, bæredygtig forretningsmodel af sig selv.

Tre råd til founders og investorer, der vil bevare jeres edge

Hvis vi skal redde innovationen i et økosystem, hvor skærmene og maskinerne har overtaget, skal vi ændre metodikken – både i jeres war rooms og ved investorernes due diligence-borde:

• Hold AI ude af lokalet i fase 0: Når den fundamentale vision for selskabet skal støbes, eller det næste store strategiske ryk skal planlægges, skal computeren holdes helt slukket. Brainstormingen skal drives af analog pen, papir, whiteboard, rå menneskelig erfaring og skæve indskydelser ved kaffemaskinen. Det er her, I sikrer jeres særpræg og reelle unfair advantage. Først bagefter skal teknologien bruges til at stressteste tallene og simulere markedsscenarier.
• Giv jeres prompts faglige benspænd: Standardspørgsmål giver standardsvar. Hvis du vil have strategier, der rykker, skal du tvinge AI-modellerne ud, hvor de ikke bare kan gentage historiske benchmarks fra Silicon Valley. Stil krav som: “Giv mig tre bud på at skalere dette produkt i USA, men du må ikke foreslå de tre mest gængse playbooks i branchen” eller “Kritiser dette pitch deck ud fra en ekstremt konservativ og kynisk VC-investors logik fra finanskrisen i 2008”.
• Investorer skal belønne den skæve mavefornemmelse: Når tech gør det nemt at spytte strømlinede, fejlfrie og fuldstændig polerede forretningsplaner ud i højt tempo, risikerer vi, at venturefonde og angels kun belønner det forudsigelige og genkendelige. For at modvirke det skal investorer aktivt lede efter afvigelserne. Hvis en founder præsenterer en utraditionel go-to-market-model eller en skæv produktarkitektur, der går stik imod de gængse konsulentdata, skal det tages seriøst og valideres frem for bare at blive kasseret som en fejl i jeres standardiserede screenings-skabelon.

Iværksætter Jonatahn Løw skriver om og holder foredrag om AI. Læse mere her.